نظریه یادگیری محاسباتی شاخهای از ریاضیات و علوم رایانه است که به ارزیابی کارایی الگوریتمهای یادگیری ماشینی میپردازد. این نظریه عموماً به تحلیل الگوریتمهای یادگیری با نظارت میپردازد و سعی میکند کرانهایی برای کارایی یک الگوریتم در داده دیدهنشده با استفاده از اطلاعات کارایی آن الگوریتم در داده در دسترس و پیچیدگی الگوریتم بیابد. بعد ویسی و یادگیری صحیح احتمالی تخمینی مثالهایی از نظریه یادگیری محاسباتی هستند که به ترتیب به اختراع الگوریتمهای ماشین بردار پشتیبانی و بوستینگ انجامیدند. این نظریه به تحلیل پیچیدگی زمانی الگوریتمهای یادگیری نیز میپردازد.
این درس به کمک آقای امید اعتصامی مدرس IPM و فارغالتحصیل دانشگاه برکلی تدریس شده است.
مدرس | محمد هادی فروغمند |
رشته | ریاضیات و علوم رایانه |
حجم | ۴.۸ گیگابایت |
تعداد جلسات | ۱۹ جلسه |
منبع | مکتب خونه |
مدرس:
محمد هادی فروغمند، استادیار دانشکده علوم ریاضی دانشگاه شریف می باشد. زمینه های تحقیقاتی ایشان نظریه گراف و تجزیه و تحلیل شبکه های پیچیده، مدل های محاسباتی جدید و پیچیده، بیوانفورماتیک، تجزیه و تحلیل توالی ترکیبی و جستجو الگوریتم، الگوریتم ها و (ترکیبی) بهینه سازی و فلسفه علوم کامپیوتر است. ایشان در سال ۲۰۰۱ عضو تیم المپیاد کامپیوتر ایران بودند و در این سال توانستند مدال طلا این مسابقات را کسب کنند و همچنین در سال های ۲۰۰۵ و ۲۰۰۷ جز سرپرستان تیم بودند که در هر کدام از سال ها مجموعا ۴ مدال توسط تیم المپیاد کامپیوتر بدست آمده است.